Le monde tel que nous le connaissons fonctionne à l'électricité, et les lignes électriques sont une infrastructure essentielle pour acheminer le courant vers les foyers et les entreprises. Pour assurer leur bon fonctionnement, elles doivent être régulièrement inspectées pour identifier les potentiels problèmes et les anomalies, mais l'inspection manuelle des vastes réseaux nécessite énormément de temps, de ressources et de main-d'œuvre. Depuis plusieurs années, Hydro-Québec, une organisation partenaire de Mila, travaille à intégrer la robotique dans les inspections des réseaux électriques, développant une flotte de robots pour effectuer la tâche dangereuse et vertigineuse de parcourir les lignes électriques à des dizaines de mètres dans les airs.
Pourtant, sur les milliers de kilomètres de lignes électriques au Québec, les chances de trouver une anomalie — une égratignure, une tache, un fil brisé ou tout simplement une crotte d'oiseau — sont étonnamment rares. L’énorme quantité de données recueillies pose donc un défi analytique important, puisque les anomalies identifiées sont si rares. Cette question a motivé un projet de recherche appliquée entre Mila et Hydro-Québec pour améliorer la maintenance des lignes électriques en identifiant les anomalies à l'aide de l'IA.
Une approche approfondie
Dans le cadre du partenariat entre Mila et Hydro-Québec, l’équipe de recherche appliquée de Mila, dont Akshatha Arodi Nagaraja, Margaux Luck, Ge Li, Aldo Zaimi, et Gaétan Marceau Caron, ont lancé le projet de recherche appliquée avec des experts d'Hydro-Québec. L’objectif était de produire un jeu de données d'anomalies annotées qui faciliterait une analyse algorithmique plus étendue et plus approfondie de l'état des câbles à travers le réseau, et ensuite d'adapter ces algorithmes à des scénarios d'apprentissage à partir de peu ou pas de données.
Afin de s’assurer que les données reflètent la diversité des anomalies rencontrées sur les câbles des lignes électriques, les chercheur·euse·s de Mila ont collaboré avec des expert·e·s d'Hydro-Québec pour créer CableInspect-AD, un jeu de données de haute qualité, accessible au public, pour l'entraînement et l'évaluation de modèles adaptés aux inspections de lignes électriques. Créé par l'Institut de recherche d'Hydro-Québec, l'IREQ, ce jeu de données unique comprend une grande variété d'anomalies réelles, telles que des égratignures et des brins cassés, capturées dans des milliers d'images à haute résolution. Les annotations couvrent ainsi trois types de câbles de lignes électriques, présentant sept défauts courants, et ce à différents niveaux de sévérité.
Avec ce robuste jeu de données en main, l'équipe de Mila a exploré différentes méthodes d'IA pour la détection d'anomalies. Elle a privilégié celles qui nécessitaient un minimum de données d'entraînement et aucun ensemble de validation supplémentaire, pour tenir compte des contraintes pratiques sur le terrain, où il est souvent impossible d'obtenir des données d'entraînement complètes. L'équipe a donc tenté l'apprentissage à partir de zéro données avec les modèles d'apprentissage par la vision, qui peuvent détecter des anomalies sans formation préalable sur des défauts spécifiques.
Une collaboration à fort impact
Le projet, qui a produit un article accepté à NeurIPS 2024, vise à rendre plus rapide et plus efficace la détection des anomalies, permettant ainsi à Hydro-Québec d'améliorer l'efficacité de ses inspections et donc la résilience du réseau électrique. L'équipe a exprimé sa fierté de pouvoir publier et présenter son travail lors d'une conférence internationale comme NeurIPS.
« L'acceptation de ce jeu de données à une conférence a été très gratifiante pour nous et nos collaborateurs d'Hydro-Québec, en particulier parce que nous avons pu sensibiliser la communauté à ce problème réel très important dans l'industrie, » a déclaré Akshatha Arodi Nagaraja, scientifique senior en recherche appliquée à Mila et co-première auteure de l'article avec Margaux Luck.
Dans le cadre d’une approche scientifique ouverte, l'équipe a également publié le jeu de données et le code sous une licence open-source non commerciale, afin de d’ouvrir l'entraînement et l'évaluation des modèles d'IA à la communauté de recherche, et ainsi d'accélérer les progrès dans ce domaine.
Grâce à l'équipe de recherche appliquée de Mila, ce projet de recherche vient combler une lacune importante en fournissant une référence réaliste pour les modèles d'IA, en surveillant plus efficacement l'état des infrastructures et en facilitant leur maintenance. Ce travail contribue non seulement à créer un réseau électrique plus résilient, mais souligne également les forces de l'approche de recherche collaborative de Mila pour répondre aux besoins spécifiques d'un domaine, en combinant l'expertise des chercheurs en IA avec les connaissances du domaine des experts de l'industrie. Fiers du succès du projet de recherche appliquée, Hydro-Québec et Mila sont enthousiastes à l'idée de collaborer à l'avenir et d'étendre leur partenariat à de nouveaux projets énergisants.
